市面上的技能池 https://skills.sh/

Trae AI 系统元认知解析：全流程协调配合逻辑

本文档详细拆解了 Trae AI 助手的核心工作原理，使用“智能化软件公司”的比喻，阐述了模型、上下文、记忆、技能、智能体及 MCP 的定义与协同机制。

---

第一部分：核心概念拆解 (The Building Blocks)

1. 模型 (Model) —— 公司的大脑与灵魂

• 定义：指底层的 LLM（大语言模型），如 Gemini-3-Pro, Claude 3.5 Sonnet, GPT-4o。
• 作用：负责思考、推理、理解语言和生成代码。
• 比喻：公司的创始人兼首席技术官 (CTO)。拥有渊博知识（训练数据）和极高智商（推理能力），但没有手脚（工具）和记忆（上下文）就无法行动。

2. 上下文 (Context) —— 短期工作台

• 定义：模型在当前对话窗口中能“看到”的所有信息（上一句话、当前打开的文件、报错信息、最近对话历史）。
• 作用：决定了模型当下能处理什么任务。模型是无状态的，依靠上下文获取信息。
• 比喻：CTO 的办公桌。桌上摆着什么文件（Context）就处理什么。桌子大小有限（Context Window），文件太多会掉落（遗忘）。

3. 记忆 (Memory) —— 长期档案库

• 定义：通过 manage_core_memory 工具存储的持久化信息。
• 分类：
  • 个人规则 (User Rules)：用户偏好（如“只用 Go 语言”、“代码必须写注释”）。
  • 项目规则 (Project Rules)：项目约定（如“输出目录是 projects/zhengzaiai/”）。
• 作用：跨越会话（Session）记住关键信息，避免重复沟通。
• 比喻：公司的规章制度手册和员工档案。CTO 每天上班前查看手册，了解“老板喜好”和“项目进度”。

4. 技能 (Skill) —— SOP (标准作业程序)

• 定义：存放在 .trae/skills/ 目录下的 Markdown 文件（如 love-ip-gift）。
• 作用：定义特定任务的思维链条和行为规范。指导模型按特定步骤思考。
• 比喻：公司的岗位操作手册。做“IP 策划”时翻阅 love-ip-gift 手册；做“代码审查”时翻阅 code-reviewer 手册。

5. 智能体 (Agent) —— 独立项目组

• 定义：拥有自主规划能力、能连续调用工具解决复杂目标的实体（如 SearchCodebase，或通过技能串联的虚拟智能体）。
• 作用：处理需要多步推理、自我纠错的复杂任务。
• 比喻：公司的特种部队。给定模糊目标（“搞定报错”），自主查资料、试错、直到解决，无需步步指令。

6. MCP (Model Context Protocol) —— 通用接口标准

• 定义：连接外部数据和工具的开放协议。
• 作用：连接浏览器（Chrome DevTools）、数据库、Notion 等外部世界。
• 比喻：公司的外包接口或万能插头。打破 IDE 围墙，控制浏览器或读取外部文档。

7. CUE (Contextual User Experience) —— 智能提示

• 定义：IDE 根据操作上下文主动推荐的下一步操作（如“生成测试”按钮）。
• 作用：减少输入，预判需求。
• 比喻：CTO 旁的机灵助理。递水、递工具，辅助工作。

---

第二部分：全流程协调配合运行逻辑 (The Symphony)

以 “设计 B 端新年礼盒” 任务为例：

1. 用户输入 (Input)

   • 用户：“帮我设计一套 B 端新年礼盒方案。”

2. 上下文构建 (Context Building)

   • CUE 把当前编辑的文件放入上下文。
   • 记忆系统 检索项目规则：“方案存放在 projects/zhengzaiai/”。

3. 模型思考与路由 (Model Reasoning)

   • 模型 (Brain) 接收输入+上下文+记忆。
   • 分析意图，决定调用 技能 (Skill)：love-ip-gift（品牌专家）。

4. 技能加载 (Skill Invocation)

   • 读取 .trae/skills/love-ip-gift/SKILL.md。
   • 模型获得“IP 专家”思维（讲情绪价值、商业落地）。

5. 智能体执行 (Agent Execution)

   • 模型规划任务。
   • 内部委派给 ip-visual-prompter（视觉）和 ip-sales-kit（文案）技能。

6. 工具调用 (Tool Call via MCP)

   • 模型生成方案，调用 Write 工具（类似内部 MCP）。
   • 将内容写入 projects/zhengzaiai/Gift_Plan.md（遵守记忆中的路径规则）。

7. 反馈与记忆更新 (Feedback & Loop)

   • 任务完成。关键信息（“Echo IP”）可能存入长期记忆。

---

总结图谱

• 模型 (Model) = 大脑 (CPU)
• 记忆 (Memory) = 硬盘 (HDD) —— 存储规则与偏好
• 上下文 (Context) = 内存 (RAM) —— 存储当前任务信息
• 技能 (Skill) = 软件 (App) —— 特定能力的载体
• 智能体 (Agent) = 进程 (Process) —— 运行软件来解决问题
• MCP = 驱动程序 (Driver) —— 连接外部硬件/数据

完美的配合是：
模型 运用 技能，在 上下文 中理解需求，遵循 记忆 中的规则，指挥 智能体 通过 MCP 工具去改变世界。